rotate

fluent软件UDF，焊接高斯移动热源。(weld heat source)

对BMP文件进行图像处理，包括：边缘检测、频域变换、几何变换、图像变换校正、灰度变换、图像编码、平滑和匹配(BMP files for image processing, comprising: an edge detection, a frequency domain transformation, geometric transformation, image transformation correction gradation conversion, image coding, and matching the smooth)

具体实现思路：以4位数字的验证码为例 1、人工将验证码的4位数字每位对应的代码存入数据库中，每位存入0-9对应的代码，每个数可以多存这样可以提高识别率; 2、获取验证码以后，对其进行去背景、灰度处理、去噪点处理、分片处理以后生成每位数字对应的代码; 3、去背景色，这一步的目的是把验证码和背景颜色区别开来。4、去噪声：这一步要取出图像上的孤立点。这些孤立点被认为是噪声。  孤立点的定义：某个点，周围没有与该点等值的点。  或者某个连接块，该连接块的元素的个数小于某个给定值K， 把元素个数很小的连接块也定义为孤立点，有助于去处噪声。  去噪声算法：参照去背景算法。 5、图像锐化：图像锐化的目的是增强边界。这一步是可选的。看验证码的情况，这一步可以跳过。 6、图片有效区域截取：这个操作是将图片除验证码字符以外的边框去掉，只留下验证码字符图片，这样保证分片的准确性。 7、图片分片处理，这个处理是将整个图片分割成单个字符图片。8、拿分片图像生成的代码(eg:000111110011…..)与DB中已有代码相比较，取得相似度最高的即要验证码的字符;   注：如果DB的样本越多，识别的准确率也越高，但是速度会相应变慢

关于speckle 去噪的一种很新的方法，基于流行的SRAD方法改进的。(The reference of thic package is On the Estimation of the Coefficient of Variation for Anisotropic Diffusion Speckle Filtering)

用matlab实现的欧拉影像放大应用程序。(Euler image magnification application realized by matlab.)

K均值算法实现图像的分割，分割效果可以达到预期的效果(K-means algorithm to achieve image segmentation, segmentation results can be achieved the desired results)

Image Watershed Segmentation图像边缘提取(Image Watershed Segmentation Image Edge Detection)

按照最邻近原则把待分类样本点分到各个簇。然后按平均法重新计算各个簇的质心，从而确定新的簇心。一直迭代，直到簇心的移动距离小于某个给定的值。(According to the nearest neighbor principle, the sample points to be classified are divided into clusters. Then the centroid of each cluster is recalculated according to the average method to determine the new cluster center. Iterate until the moving distance of the cluster center is less than a given value)

通过sift特征提取实现两幅图片无缝拼接(Seamless splicing of two images by SIFT feature extraction)

一种带有自适应阈值和动态支持区域的CSS角点检测算法，其效果被认为优于目前所有的CSS角点检测算法和大多数的其他类型角点检测算法。(a curvature scale space corner detector with adaptive threshold and dynamic region of support, it is considered to be the one of the best corner detection algorithms.)